Advertisement

该文档包含用于检测荔枝成熟度的数据集遵循VOC与YOLO格式其中包含了共1,005份图像样本分为4个类别 该文档包含用于检测荔枝成熟度的数据集遵循VOC与YOLO格式其中包含了共1,005份图像样本分为4个类别

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该资源为龙眼成熟度识别数据集VOC+YOLO格式,包含1005幅图像,分为4个类别.

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 荔枝成熟度检测用VOC+YOLO格式数据集（1005张图片，4个类别）.zip
    优质
    本资源提供了一个用于荔枝成熟度检测的数据集，包含1005张图像和四种不同类别的挥发性有机化合物标签，采用YOLO格式标注。 样本图：请在电脑端资源详情查看并下载文件。 数据集格式包括Pascal VOC格式和YOLO格式（不包含分割路径的txt文件），仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件。 图片数量（jpg文件个数）为1005，标注数量(xml文件)同样为1005，标注数量(txt文件)也为1005。数据集中有4种不同的标注类别：blossom, green, ripe 和 young。 各类别的框数如下： - blossom 框数 = 539 - green 框数 = 4045 - ripe 框数 = 7701 - young 框数 = 4581 总框数量为16866。 使用标注工具：labelImg。对类别进行矩形画框操作作为标注规则。 重要说明：暂无 特别提示：本数据集不对训练模型或权重文件的精度提供任何保证，仅确保提供的标签准确且合理。
  • 【目标检测数据集】荔枝成熟度分类579张图片（绿、红、半红）VOC+YOLO格式.zip
    优质
    本数据集包含579张荔枝图像，涵盖绿色、红色及半熟状态，采用VOC和YOLO格式标注，适用于目标检测与分类模型训练。 数据集格式：Pascal VOC格式与YOLO格式（不含分割路径的txt文件，仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件）。 图片数量（jpg文件个数）：579 标注数量（xml文件个数）：579 标注数量（txt文件个数）：579 标注类别数：3 标注类别名称包括绿色、半透明和红色。具体框的数量如下： - 绿色 框数 = 1387 - 半透明 框数 = 892 - 红色 框数 = 632 总框数：2911 使用标注工具为labelImg。
  • 猫行为检测数据集采用VOC与YOLO格式，包含5997张图片，共五个类别
    优质
    该资源为[数据集][目标检测]形式的“猫的行为识别”数据集，采用VOC与YOLO融合的格式，包含5,997张图片，涵盖5个分类类别。
  • 包含45个分类别的样本量为7976的数据集用于中草药类型识别检测采用VOC+YOLO格式压缩
    优质
    请参考博文中的样本图片。该数据集格式包含Pascal VOC和YOLO数据格式（仅包含未分割的txt文件），其中jpg图片的数量为7,976份。对应的XML注释文件共有7,976份。此外，yolo标签文件也共有7,976份。该数据集涵盖45个不同类别的目标识别任务。
  • 【目标检测数据集】番茄成熟度检测数据集（640张图像，3类别，VOC+YOLO格式）.zip
    优质
    本数据集包含640张用于番茄成熟度分类的图像，涵盖未熟、半熟和全熟三个类别，以VOC及YOLO格式提供，适用于目标检测模型训练与验证。 数据集格式为Pascal VOC格式与YOLO格式（不含分割路径的txt文件），仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。该数据集中共有643张图片，每张图片都有相应的标注文件，即有643个xml文件和643个txt文件。整个数据集包含了三个不同的类别标签：“fully_ripened”（成熟的）、“green”（半成熟的）以及“half_ripened”（未成熟的绿色）。具体来说，“fully_ripened”的标注框数为1330，“green”的标注框数为5134，而“half_ripened”的标注框数则有1317个。总计共有7781个标注框。该数据集使用了labelImg工具进行标签制作和编辑工作。
  • 考场作弊行为检测数据集（VOC+YOLO格式，含4413张图片，4个类别）.7z
    优质
    本数据集包含4413张图像，用于识别考试中的作弊行为，采用VOC和YOLO格式标注，涵盖4种类别，适用于训练检测模型。 数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件） 图片数量(jpg文件个数)：4413 标注数量(xml文件个数)：4413 标注数量(txt文件个数)：4413 标注类别数：4 标注类别名称:[Cheatcode,Cheating,NonCheating,mobiledetrction] 每个类别标注的框数： - Cheatcode 框数 = 428 - Cheating 框数 = 8730 - NonCheating 框数 = 4022 - mobiledetrction 框数 = 3611 总框数：16791 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，仅提供准确且合理的标注。
  • 轮胎瑕疵检测数据集（VOC+YOLO格式），含2154张图片，4个类别.7z
    优质
    本数据集包含2154张图像，用于轮胎瑕疵检测，支持VOC和YOLO格式，涵盖四种不同类型缺陷，适用于训练高效的瑕疵识别模型。 数据集采用Pascal VOC格式与YOLO格式（不含分割路径的txt文件），仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。 总共有2154张图片，每一张都有相应的标注文件。 - 使用了四种不同的类别进行标注：debris、ground、side 和 side_cut。 - 各类别的具体框数如下： - debris: 1599个 - ground: 564个 - side: 188个 - side_cut: 493个 总计标注了2844个边界框。 使用的标注工具为labelImg。
  • VOC+YOLO格式的流水线包裹检测数据集（145张图片，4个类别）.7z
    优质
    这是一个包含145张图像的数据集，采用VOC和YOLO格式，专为训练和评估机器学习模型在包裹检测任务中的性能而设计。含四个不同的包裹类别。 数据集格式：Pascal VOC格式+YOLO格式（仅包含jpg图片及对应的VOC格式xml文件和yolo格式txt文件） 图片数量（jpg文件个数）：145 标注数量（xml文件个数）：145 标注数量（txt文件个数）：145 标注类别数目：4 标注类别名称为:[bag, bigbox, box, longbox] 每个类别的框的数量： - bag: 238个框 - bigbox: 19个框 - box: 309个框 - longbox: 9个框 总框数：575 使用标注工具：labelImg 标注规则：对类别进行画矩形框
  • RSNA肺炎检测数据集（VOC+YOLO格式），含6012张图像，1个类别.7z
    优质
    该数据集包含6012张图像，专门用于训练和评估肺炎检测模型，以VOC和YOLO两种格式提供，便于快速集成到不同类型的深度学习项目中。 数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件） 图片数量(jpg文件个数)：6012 标注数量(xml文件个数)：6012 标注数量(txt文件个数)：6012 标注类别数：1 标注类别名称:[meat] 每个类别标注的框数： meat 框数 = 9555 总框数：9555 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
  • 室内积水检测数据集（VOC+YOLO格式），包含761张图片，1个类别.7z
    优质
    本数据集提供761张室内图像用于积水检测，采用VOC和YOLO双格式存储，专注于单一目标类别——积水区域的识别与标注。压缩包为7z文件格式。 数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件） 图片数量(jpg文件个数)：761 标注数量(xml文件个数)：761 标注数量(txt文件个数)：761 标注类别数：1 标注类别名称:[jishui] 每个类别标注的框数： jishui 框数 = 902 总框数：902 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，仅提供准确且合理的标注。